基于机器学习算法识别糖尿病病中关键的免疫相关基因和潜在的治疗药物

科学领域:

• 免疫学 免疫学 免疫学
• 基因组学就是基因组学.
• 腎臟病學 (nephrology) 是一種醫學.

背景情况:

• 糖尿病病 (DN) 是慢性病的主要原因.
• 确定可靠的生物标志物和治疗点对于管理DN至关重要.

研究的目的:

• 为了确定糖尿病病 (DN) 的免疫相关生物标志物.
• 根据已识别的生物标志物,探索DN的潜在治疗药物.

主要方法:

• 两个DN微阵列数据集的基因表达差异分析 (GSE96804,GSE30528).
• 机器学习算法 (LASSO,SVM-RFE,随机森林) 用于识别枢纽基因.
• 使用单细胞RNA测序和免疫细胞比例分析 (CIBERSORT) 的验证.
• 分子对接用于潜在的药物识别和qPCR/Western blot用于验证.

主要成果:

• 在DN和对照组之间确定了14个一致差异地表达的免疫相关基因.
• 四个枢纽基因 (EGF,PLTP,RGS2,PTGDS) 被选择为具有高准确度 (AUC=0.995) 的强大DN预测器.
• 中枢基因表达在上皮细胞中升高,并且与中性粒细胞透在DN中的积极相关.
• 在DN的细胞和动物模型中确认了枢纽基因的mRNA和蛋白质水平升高.

结论:

• 四个与免疫相关的枢纽基因 (EGF,PLTP,RGS2,PTGDS) 与糖尿病病有显著的关联.
• 这些基因表现出明显的表达特征,与免疫细胞透到DNA中相关.
• 已识别的枢纽基因代表了DN的潜在诊断生物标志物和治疗点.